با همکاری انجمن مهندسان مکانیک ایران
نویسنده = حسین مقصودی
کشاورزی دیجیتال، هوشمند و دقیق

تعیین بهترین الگوریتم طبقه‌بندی به‌منظور تخمین سطح زیر کشت نخیلات با استفاده از تصاویر ماهواره لندست 8

دوره 9، شماره 2، 1398، صفحه 321-335

https://doi.org/10.22067/jam.v9i2.67310

سحر رهنما، محمد مهدی مهارلویی، محمدعلی رستمی، حسین مقصودی

چکیده محصول خرما یکی از ارزشمندترین محصولات باغبانی در ایران به‌شمار می‌آید که 16% کل صادرات جهانی را شامل می‌شود. استان کرمان دومین رتبه در سطح زیر کشت خرما در ایران را دارا است. به همین منظور تعیین سطح زیر کشت خرما اهمیت پیدا کرده است. برخی از سازمان‌ها برای تعیین سطح زیر کشت از سرشماری استفاده می‌کنند که معایب آن هزینه بالا و اتلاف وقت و نیاز به نیروی انسانی زیاد برای پوشش‌دهی کل کشور است. هدف از این تحقیق سنجش توانایی ماهواره لندست 8 با سنجده OLI  در شناسایی و تعیین سطح زیر کشت نخلستان‌ها است. برای پی بردن به بهترین روش برای شناسایی نخلستان‌ها چهار روش طبقه‌بندی نظارت‌شده Maximum Likelihood Classifier (MLC), Support Vector Machines (SVM), Neural Network (NN), Mahalanobis Distance Classifier (MDC) و یک روش طبقه‌بندی نظارت‌نشده (K-Means) مورد ارزیابی قرار گرفت. نتایج طبقه‌بندی‌ها نشان داد که دقت کلی طبقه‌بندی10/99 % (ضریب کاپا 98/0) با استفاده از NN، 77/98 % (ضریب کاپا 975/0) با استفاده از MLC، 66/98 % (ضریب کاپا 973/0) با استفاده از SVM، 52/98 % (ضریب کاپا 97/0) با استفاده از MDC و 52/66 % ( ضریب کاپا 31/0) با استفاده از K-Means است. خطای تخمین مساحت نخیلات با استفاده از ( RMSE) در روش NN (0)، در روش MLC (2/0)، در روش MDC (06/0)، در روش SVM (0) و در روش K-Means (0) محاسبه شد. پس از تحلیل‌داده‌ها بهترین روش طبقه‌بندی برای شناسایی نخلستان‌ها روش NN شناخته شد. در پژوهش حاضر، با بررسی انجام‌شده بر روی‌داده‌ها در ماتریس آشفتگی مشخص شد که SVM قدرت بالاتری برای شناسایی نخلستان با تشخیص 100% سامانه (تولیدکننده) نسبت به MLC را داشت و همچنین K-Means نیز می‌تواند نخلستان خرما را شناسایی کند اما مناطقی که به رنگ قهوه‌ای تیره هستند را نیز به‌عنوان نخلستان شناسایی کرده است. در مجموع می‌توان گفت هر چهار روش طبقه‌بندی نظارت‌شده با دقت قابل قبولی می‌توانند نخلستان را شناسایی کنند.

ماشین‌های کشاورزی و غیر جاده‌ای

ساخت و ارزیابی دستگاه برداشت پیاز با محورهای زائده‌دار

دوره 8، شماره 2، 1397، صفحه 249-262

https://doi.org/10.22067/jam.v8i2.62726

محمد امین زمانی ده یعقوبی، کاظم جعفری نعیمی، محسن شمسی، حسین مقصودی

چکیده یکی از پرهزینه‌ترین و مشکل‌ترین مراحل تولید پیاز، برداشت محصول است. در این تحقیق ساخت و ارزیابی یک دستگاه جدید برای برداشت پیاز ارائه شده است. در روش جدید برداشت، حرکت انتقالی و دورانی محورهای زائده‌دار دستگاه باعث بریده شدن، گسیختگی و به‌هم خوردن لایه خاک زیر غده‌ها می‌گردد. با توجه به جهت چرخش محورها، این گسیختگی موجب حرکت رو به بالای خاک، جدا شدن خاک از غده‌ها و روی سطح قرار گرفتن محصول می‌شود. دستگاه ساخته شده دارای طول cm 126، عرض cm 156/5 و ارتفاع cm 98 می‌باشد و 112 کیلوگرم وزن دارد. ظرفیت مزرعه ای این دستگاه برابر 0/6 هکتار در ساعت است. به منظور ارزیابی دستگاه از نظر تأثیر سرعت دورانی محورها، سرعت پیشروی و عمق کار بر کارکرد دستگاه از آزمایش فاکتوریل سه فاکتوره در قالب طرح کاملاً تصادفی و سه تکرار استفاده شد. کارکرد دستگاه با اندازه‌گیری درصد موفقیت در برداشت شدن غده‌ها به صورت سالم ارزیابی گردید. آزمایش‌های انجام شده نشان‌دهنده معنی‌دار شدن تأثیر عوامل سرعت پیشروی و عمق ‌کار بر موفقیت در برداشت محصول بود. این در حالی است که تأثیر سرعت دورانی محورها، اثر متقابل عمق کار و سرعت دورانی محورها و اثر متقابل سه‌گانه معنی‌دار گزارش نشد. همچنین، درصد موفقیت در برداشت به اثر متقابل سرعت دورانی محورها و سرعت پیشروی و اثر متقابل سرعت پیشروی و عمق کار وابسته بود. نتایج نشان داد که بهترین کارکرد دستگاه در عمق کار 20 سانتی‌متر، سرعت پیشروی 5/4 کیلومتر در ساعت و سرعت دورانی محورها برابر 220 دور بر دقیقه حاصل شد.

کشاورزی دیجیتال، هوشمند و دقیق

بررسی میدانی و آزمایشگاهی قابلیت حسگرهای فراصوتی USS3 برای سنجش غیرتماسی ساختار هندسی توده درخت پسته

دوره 5، شماره 1، 1394، صفحه 10-24

https://doi.org/10.22067/jam.v5i1.22773

حسین مقصودی، سعید مینایی، برات قبادیان، حسن مسعودی

چکیده ساختار شناسی الکترونیکی به‌منظور تعیین ویژگی های فیزیکی توده گیاهان یکی از مباحث مهم در مدیریت محصولات درختی می باشد. حسگرهای فراصوتی و نوری تاکنون بیشترین کاربرد را در این زمینه داشته اند. هدف این پژوهش ارزیابی عملکرد حسگر فراصوتی USS3 در شرایط آزمایشگاه و مزرعه به‌منظور سنجش قابل اعتماد اندازه گیری های فاصله برای تخمین حجم تاج درخت پسته بود. برای رسیدن به این هدف، روش بررسی برای تحلیل عملکرد حسگر در رابطه با تشخیص فاصله شاخ و برگ و اثر تداخل میان حسگرهای مجاور که به‌طور هم‌زمان کار می کنند، طراحی شد. نتایج نشان داد که خطای میانگین برای اندازه گیری فاصله با اشیاء توسط حسگر فراصوتی در شرایط آزمایشگاه 64/0 سانتی متر است. افزایش تغییرات در شرایط میدانی، به‌ویژه تحرک و غیرصلب بودن شاخ و برگ درختان، دقت این نمونه از حسگرها را هنگام برآورد فاصله تا توده گیاه کاهش می دهد. خطای میانگین در چنین شرایطی 19/3 سانتی متر به‌دست آمد. هنگام بررسی اثر تداخل حسگرهای مجاور در فاصله 30 سانتی متری، خطای میانگین 65/14 سانتی متر و زمانی‌که فاصله حسگرهای مجاور به 60 سانتی متر افزایش یافت خطای میانگین 73/6 سانتی متر محاسبه گردید. آزمایش ها نشان داد که این حسگرها زمانی که در فاصله 60 سانتی متری یا بیشتر نسبت به یکدیگر قرار گیرند، برای تخمین فاصله تا درخت در شرایط باغ پسته مناسب بوده و می توان با اطمینان از این حسگرها در یک سامانه برای تخمین پارامترهای ساختاری توده گیاه در مبحث باغبانی دقیق استفاده کرد.